idw – Informationsdienst Wissenschaft

Nachrichten, Termine, Experten

Grafik: idw-Logo
Thema Corona

Imagefilm
Science Video Project
idw-News App:

AppStore



Share on: 
09/21/2021 12:46

Automatisierter Schienenverkehr: TU Berlin beteiligt am Projekt „Berliner Digitaler Bahnbetrieb“ (BerDiBa)

Stefanie Terp Stabsstelle Kommunikation, Events und Alumni
Technische Universität Berlin

    Projekt „Berliner Digitaler Bahnbetrieb“ mit Beteiligung der TU Berlin

    Ein Konsortium aus 12 Partner*innen wird im Projekt Berliner Digitaler Bahnbetrieb (BerDiBa) in den nächsten 4 Jahren Technologien für das automatisierte Fahren auf der Schiene entwickeln und erproben. Das Daimler Center for Automotive IT (DCAITI) an der TU Berlin erstellt dafür in Zusammenarbeit mit dem Fraunhofer-Institut FOKUS Algorithmen für die Umfeldwahrnehmung des automatisierten Fahr¬zeugs. Das Fachgebiet Elektronische Mess- und Diagnosetechnik an der TU Berlin wird in Zusammenarbeit mit dem Zuse-Institut Berlin ein automatisches Planungstool für die Wartungstermine des Zuges entwickeln.

    Der automatisierte Schienenverkehr wird zukünftig neue Möglichkeiten eröffnen. Das Projekt BerDiBa soll dafür einen ersten Baustein legen und ein automatisiertes Fahren auf der Schiene ermöglichen. Der digitale Bahnbetrieb umfasst dabei drei Aspekte: fahrerlose Züge, automatisch geplante Wartungen sowie die Möglichkeit für eine Steuerung aus der Ferne für Situationen, in denen eine autonome Fahrt zum Beispiel aufgrund des Wetters nicht möglich ist. Ziel ist, den Schienenverkehr sicherer und die Prozesse effizienter zu gestalten.

    Das Daimler Center for Automotive IT (DCAITI) an der TU Berlin arbeitet dafür eng mit dem Geschäftsbereich Smart Mobility des Fraunhofer-Instituts FOKUS zusammen. Das gemeinsame Forschendenteam besitzt langjährige Erfahrung, automatisierten Fahrzeugen beizubringen, die Umwelt um sie herum zuverlässig wahrzunehmen. Im Projekt BerDiBa werden die Forschenden „Deep-Learning“-Algorithmen aus der Künstlichen Intelligenz mit Hilfe von speziell aufbereiteten Videofilmen trainieren. So können die Züge lernen, mit Sensoren wie Radar und Lidar – dem „Radar“ mit Laserlicht – ihre Umgebung korrekt zu erfassen. Dabei müssen sowohl statische Objekte wie Signalanlagen, Gleise und Bahnhöfe, als auch dynamische Objekte wie Personen, Tiere, Fahrzeuge und andere Züge richtig erkannt werden.

    Kontinuierliche Beobachtung der Fahrstrecke
    Eine besondere Bedeutung hat dabei die langfristige, kontinuierliche Beobachtung der Fahrstrecke: Hängen Äste über der Trasse, die bald abbrechen könnten? Ist plötzlich in einem Zaun ein Loch entstanden, über das Tiere oder Kinder auf die Schienen gelangen könnten? Bisher sind die Lokführer*innen angewiesen, auf solche Dinge zu achten. „Diese kontinuierliche Beobachtung ist etwas, das wir so aus dem automatisierten Straßenverkehr nicht kennen“, sagt Dr. Ilja Radusch, Leiter des Geschäftsbereichs Smart Mobility am Fraunhofer FOKUS und des DCAITI an der TU Berlin. „Das bedeutet für die Algorithmen ganz neue Anforderungen.“

    Neuronale Netze sagen Pflanzenwachstum voraus
    Auch Prof. Dr. Clemens Gühmann vom Fachgebiet Elektronische Mess- und Diagnosetechnik der TU Berlin wird sich mit dem sogenannten Lichtraumprofil einer Bahnstrecke beschäftigen – also dem Raum, der von Vegetation und anderen Gegenständen freizuhalten ist. Anhand von Kameradaten über die Jahreszeiten hinweg sagen neuronale Netze hier die weitere Entwicklung des Pflanzenwachstums voraus. Damit lässt sich effizient planen, wann und wo zurückgeschnitten werden muss.

    Weniger Ausfallzeiten und mehr Pünktlichkeit
    „Tiefe neuronale Netze verwenden wir auch, um aus Daten von Sensoren im Zug Aussagen über den Zustand seiner Bauteile zu gewinnen“, erklärt Clemens Gühmann. So könne sich etwa der von einem Stell-Motor einer Tür benötigte Strom mit der Zeit ändern, wenn die Motorleistung abnimmt. „Aus vielen solcher einzelnen Daten schätzen wir ab, wann Bauteile ausgetauscht werden müssen“, sagt Gühmann. In Zusammenarbeit mit dem Zuse-Institut Berlin entsteht daraus ein Planungstool, das die Wartungstermine des Zuges automatisch und effizient festlegt. So können nicht nur Reparaturen zusammengelegt und damit Geld gespart werden – es erhöht sich auch die Ausfallsicherheit und somit die Pünktlichkeit der Züge.

    BerDiBa wird von der Stadt Berlin mit 7,6 Millionen Euro aus dem Innovationsförderprogramm ProFIT gefördert und hat ein Gesamtvolumen von 13,7 Millionen Euro.

    Zum Konsortium gehören 12 Partner*innen aus Wirtschaft und Forschung:

    Industrie
    - acs plus GmbH
    - AAI GmbH
    - GSP GmbH
    - ITQ GmbH
    - neurocat GmbH
    - Siemens Mobility GmbH (Konsortialführer)
    - Teraki GmbH

    Forschung und Wissenschaft
    - DFKI
    - Fraunhofer FOKUS und HHI
    - TU Berlin
    - Zuse-Institut Berlin

    Weitere Informationen erteilen Ihnen gern:

    Dr. Ilja Radusch
    Daimler Center for Automotive Information Technology Innovations (DCAITI) an der TU Berlin und Fraunhofer-Institut FOKUS
    Tel.: +49 (30) 914 2636-410
    E-Mail: ilja.radusch@dcaiti.com

    Prof. Dr.-Ing. Clemens Gühmann
    Technische Universität Berlin
    Fachgebiet Elektronische Mess- und Diagnosetechnik
    Tel.: +49 (30) 314-29393
    E-Mail: clemens.guehmann@tu-berlin.de

    Zusätzliche Informationen:

    Pressemitteilung der Berliner Senatsverwaltung für Wirtschaft, Energie und Betriebe:

    https://www.berlin.de/sen/web/presse/pressemitteilungen/2021/pressemitteilung.11...


    Criteria of this press release:
    Journalists
    Information technology, Traffic / transport
    transregional, national
    Cooperation agreements, Research projects
    German


    Help

    Search / advanced search of the idw archives
    Combination of search terms

    You can combine search terms with and, or and/or not, e.g. Philo not logy.

    Brackets

    You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).

    Phrases

    Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.

    Selection criteria

    You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).

    If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).